Date post: | 13-Mar-2016 |
Category: |
Documents |
Upload: | journal-of-transport-literature |
View: | 223 times |
Download: | 2 times |
Palavras-Chave: Lisboa, modelo gravitacional, modelo de dados em painel, nível de circuito, transporte aéreo.
Key words: Lisbon, gravity model, panel data modeling, circuit level, air transport.
Recommended Citation
Abstract
The development of this paper aims to analyze the potential of the Chinese aviation market that is booming in the
development of the Lisbon international airport through empirical analysis based on panel data models applied to the transport
context, in particular in the air transport sector. In addition to the previously stated objective was analyzed the concept of circuit
level and, for the first time, applied to the national context in order to verify its beneficial nature for the development and
appropriate use of geographical conditions of the main Portuguese aviation infrastructure. Two gravity models with panel data
were used. These econometric models allow the study of attractiveness between origin and destination in air transport. In this
paper there is a brief reflection and introducing of a new concept that is still little explored in the world literature and
particularly in the aviation sector, the circuit level. The applicability of this concept in this research work allowed the assessment
of the geographical quality of a set of airport infrastructure serving hub on certain routes, concluding that the lower this
parameter the best is the quality of service at this hub, and as such possible to say that no other route diversion let them to carry
passengers in a shorter period of time.
Vicente, J. M., Dionísio, A., Oliveira, M. and Simão, C. (2014) As potencialidades do mercado da aviação chinesa para o Aeroporto
Internacional de Lisboa: análise de modelagem empírica. Journal of Transport Literature, vol. 8, n. 4, pp. 252-278.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão
Resumo
A elaboração do presente artigo tem como principal objectivo analisar as potencialidades do mercado da aviação chinesa que
se encontra em franca expansão no âmbito do desenvolvimento do aeroporto internacional de Lisboa através de uma análise
empírica baseada em modelos com dados de painel aplicados ao contexto dos transportes, nomeadamente o sector do transporte
aéreo. Para além do objectivo apresentado anteriormente foi analisado o conceito de nível de circuito e, pela primeira vez,
aplicado ao contexto português de forma a verificar o seu carácter benéfico para o desenvolvimento e adequado aproveitamento
das condições geográficas da principal infra-estrutura aeronáutica portuguesa. Utilizou-se dois modelos gravitacionais com
dados em painel. Estes modelos econométricos permitem o estudo da atractividade entre a origem e o destino no transporte
aéreo. Neste trabalho encontra-se uma breve reflexão e introdução de um conceito ainda pouco explorado na bibliografia
mundial e nomeadamente no sector do transporte aéreo, o nível de circuito. A aplicabilidade deste conceito no presente trabalho
de investigação permitiu aferir a qualidade geográfica de um conjunto de infra-estruturas aeroportuárias que servem de hub em
determinadas rotas, concluindo-se que quanto menor for este parâmetro melhor a qualidade de serviço deste hub, sendo como
tal possível afirmar que nenhum outro desvio de rota permite transportar os passageiros num período de tempo mais reduzido.
This paper is downloadable at www.transport-literature.org/open-access.
■ JTL|RELIT is a fully electronic, peer-reviewed, open access, international journal focused on emerging transport markets andpublished by BPTS - Brazilian Transport Planning Society. Website www.transport-literature.org. ISSN 2238-1031.
* Email: [email protected].
Research Directory
Journal of Transport Literature
Submitted 27 Jul 2013; received in revised form 7 Jun 2014; accepted 7 Jun 2014
Vol. 8, n. 4, pp. 252-278, Oct. 2014
As potencialidades do mercado da aviação chinesa
para o Aeroporto Internacional de Lisboa:
análise de modelagem empírica
[The potentialities of chinese airline market for Lisbon International Airport: empirical modeling analysis]
University of Évora - Portugal, University of Évora - Portugal, University of Évora - Portugal, Universidade Lusófona de Humanidades e Tecnologias - Portugal
B T P S
Brazilian Transportation Planning Society
www.transport-literature.org
JTL|RELIT
ISSN 2238-1031
Introdução
Na actual economia mundial amplamente multifacetada, o sector do transporte aéreo e,
consequentemente do turismo, são cada vez mais vistos como duas das principais fontes para a geração
de desenvolvimento socioeconómico numa determinada região e até mesmo de um determinado país.
Por este facto, muitos autores e especialistas das temáticas em causa atribuem frequentemente a estes
dois sectores a denominação de “exportador invisível” devido ao seu potencial, por vezes, subvalorizado
pelos governos e entidades competentes pelo seu correcto funcionamento e constante evolução.
Por outro lado, vários países têm nestas duas indústrias a principal fonte de captação de recursos externos
e de investimentos e, em alguns casos particulares, como por exemplo, em pequenos países
subdesenvolvidos, estes sectores representam a única fonte viável para o correspondente
desenvolvimento.
Apesar de Portugal não ser considerado um país subdesenvolvido, ambiciona-se com a conclusão deste
trabalho de investigação fornecer pistas quanto à potencialidade do aeroporto internacional de Lisboa
com o intuito de criar e/ ou explorar rotas que dependam do mesmo para a ligação entre duas cidades
geograficamente distantes e com a impossibilidade da realização de voos directos entre as mesmas,
nomeadamente localizadas no mercado chinês. Dessa forma pretende-se avaliar a atractividade da
principal infra-estrutura aeroportuária portuguesa, comparativamente a outros aeroportos, ao longo de
um período de tempo previamente estipulado e utilizando, para isso, dois modelos matemáticos com
características marcadamente pertencentes à metodologia dos modelos gravitacionais com dados de
painel, sendo que cada um deles possui características próprias, de forma a interpretar de forma mais
adequada os seus resultados. Os modelos que serão definidos para a concretização do estudo serão
constituídos por um conjunto de variáveis seleccionadas devido à sua importância e interligação com o
sector do transporte aéreo e, consequentemente, do turismo. Ambos os modelos têm como objectivo
determinar a influência de cada conjunto de variáveis para a variação positiva ou negativa do fluxo de
passageiros, de forma a verificar o impacto das mesmas para o crescimento do sector do transporte aéreo.
A criação de modelos distintos teve como objectivo analisar qual deles poderia dar melhor resposta para
o que se pretende estudar neste trabalho, verificando-se que a correcta escolha das variáveis promove
uma melhor qualidade de resultados.
Nas últimas décadas tem sido bastante visível o crescimento do sector do transporte aéreo e
nomeadamente o tráfego aéreo em diversas regiões do Mundo, principalmente aquelas que beneficiaram
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 253
de uma melhor condição financeira e, principalmente, as que possuem uma relevância significativa para
o sector do turismo, seja de lazer ou de cariz profissional.
Através da percepção da evolução temporal do volume de tráfego para o aeroporto em estudo, é possível
confirmar o seu crescimento acentuado nesta última década, podendo a mesma ser justificada devido
não só ao vasto conjunto de atracções turísticas como também pelo desenvolvimento, criação e operação
de cada vez mais companhias de baixo custo para esta infra-estrutura aeroportuária, commumente
denominadas por companhias LCC (Low Cost Carriers). A implementação deste tipo de voos aumentou
não só o número de voos, como também o número de passageiros, permitindo dessa forma acolher outro
tipo de público-alvo que até então não teria acesso, de forma tão frequente, aos serviços prestados pelo
sector do transporte aéreo (Forsyth, 2005).
Tal como foi referido anteriormente, para Portugal e nomeadamente na região em que se insere o
aeroporto internacional de Lisboa, a importância turística desta região e a adequada posição geográfica
relativamente a outros pontos no Mundo, faz com que o interesse turístico por parte de turistas
estrangeiros tenha sofrido uma evolução significativa.
Por outro lado, a comparação entre o custo de vida em Portugal e em outros países, faz com que a taxa
de crescimento do sector do turismo seja crescente ao longo dos últimos anos, apesar da crise económica
existente nos últimos anos. De acordo com esta evidência é possível afirmar que o sector do turismo,
nomeadamente o sector hoteleiro na região do aeroporto internacional de Lisboa, tem sofrido uma
evolução ao longo da última década através do crescimento praticamente constante do número de
dormidas nos diversos tipos de estabelecimentos hoteleiros, nomeadamente, hotéis, hotéis-
apartamentos, apartamentos turísticos, aldeamentos turísticos, móteis, pousadas, estalagens e pensões.
Devido ao constante crescimento do mercado aeronáutico e nomeadamente o crescimento acentuado em
algumas regiões do Mundo, como por exemplo no mercado da aviação chinesa, o número de rotas de
voos entre os aeroportos é cada vez maior e com elevada tendência e potencialidade para ligar as
principais cidades mundiais a qualquer ponto, independentemente da distância que as separa.
Apesar de não existirem voos directos entre diversos pares de cidades, a utilização de voos em code-
share dentro da aliança a que pertencem as companhias de transporte aéreo faz com que essa lacuna seja
facilmente ultrapassada. Para além da estratégia apresentada anteriormente, o recurso a hubs
internacionais para a realização de escalas permite a minimização da lacuna citada, tal como se poderá
analisar ao longo deste trabalho de investigação.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 254
De forma a cumprir o objectivo a que se propõe a realização deste trabalho de investigação, o mesmo
encontra-se dividido em três secções. A Secção 1 pretende fazer uma breve revisão literária à
metodologia em que se baseia a criação dos modelos que serão estudados, sendo concluída com a
subsecção contendo os dois modelos e a sua consequente apresentação. A Secção 2 contém, em primeiro
lugar, os resultados obtidos para cada um dos modelos com recurso ao software econométrico Stata ©
(Data Analysis and Statistical Software). Este programa permite obter os resultados de acordo com
diferentes métodos de estimação; em segundo lugar será realizada uma comparação entre os resultados
obtidos em cada um dos modelos de forma a definir qual deles apresenta resultados de melhor qualidade,
tendo em conta o objectivo do estudo. A Secção 3 tem como principal objectivo fornecer um conjunto
de estratégias que tragam beneficios para o crescimento do sector do transporte aéreo em Lisboa.
1. Metodologia
Apesar de inúmeros investigadores e especialistas reconhecerem a necessidade e a importância da
aplicação de abordagens metodológicas para a análise do impacto do sector do transporte aéreo e
consequentemente do turismo nas diversas economias mundiais, a verdade é que muitas das conclusões
apresentadas na literatura existente se baseiam principalmente em pesquisas teóricas. E, como tal, ainda
são raros os estudos empíricos desenvolvidos ao longo de inúmeros países com a mesma metodologia,
de forma a comparar e extrapolar conclusões válidas a partir dos resultados obtidos em cada um desses
estudos. Sendo assim, a realização deste trabalho de investigação pretende preencher essa lacuna,
nomeadamente no contexto português.
A concreta análise da variação do fluxo de passageiros entre um aeroporto de origem e o correspondente
de destino encontra-se fortemente dependente de uma elevada complexidade, tendo em conta as diversas
abordagens metodológicas para a sua realização e a quantidade, e consequente qualidade, dos resultados
obtidos pelas mesmas.
Para a realização destes estudos podem ser utilizados modelos estatísticos, gravitacionais e até mesmo
teóricos. Tendo em conta as suas características únicas e aplicabilidades nos diversos tipos de estudos,
cada um deles adequa-se de forma diferente a cada problema em análise, devendo a sua escolha ser
efectuada de forma cuidada e consciente, não esquecendo o grau de complexidade e o tipo de dados
disponibilizados para a sua concretização.
Tendo em conta a grande maioria dos modelos estatísticos e econométricos existentes é possível
verificar que até uma certa altura do século passado, todos eles foram estimados através da utilização de
séries transversais ou então séries temporais. Com a evolução da complexidade destes mesmos modelos
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 255
foi possível concluir que cada vez mais aplicações não possuíam os seus dados disponíveis para a
correcta aplicação da metodologia relativa às séries transversais e/ ou séries temporais, surgindo a
necessidade da utilização de uma metodologia mais eficaz (Washington et al., 2003).
Apesar de o estudo ter sido realizado baseando-se no modelo gravitacional, de acordo com as suas
características e o facto dos modelos em análise serem constituídos por dados de painel, o mesmo possui
então diversas particularidades. Desse modo, a presente secção pretende efectuar uma revisão literária
quanto à aplicabilidade dos dois tipos de modelos para estudos no âmbito do transporte aéreo, referindo
as suas semelhanças e diferenças sempre que possível.
1.1 Modelo com dados de painel
Ao longo de todo o processo de investigação foram analisadas diferentes abordagens metodológicas,
nomeadamente, as séries temporais, as séries transversais e os dados de painel. Tendo em conta a análise
ponderada entre as vantagens e as desvantagens promovidas por cada uma dessas metodologias e o tipo
de dados recolhidos através das inúmeras fontes consultadas, optou-se pela análise dos dados de painel
para a concretização do estudo econométrico. Esta metodologia denominada por dados de painel une as
vantagens das duas metodologias enunciadas anteriormente, ultrapassando os seus obstáculos e lacunas,
permitindo a construção de modelos mais realistas (Wooldridge, 2002 e 2012).
De uma forma geral é possível referir que esta metodologia consiste numa análise estatística de um
conjunto de dados obtidos através da observação repetida dos mesmos indivíduos ao longo de um
determinado período de tempo para um conjunto de variáveis pré-estipuladas, tendo como base os
princípios de construção de um modelo geral de regressão linear em que se pretende estimar o valor
esperado para uma determinada variável dependente (Wooldridge, 2002 e 2012). Isto é, através de um
modelo Y definido a partir de um conjunto de variáveis independentes (também denominadas
frequentemente por variáveis explicativas ou regressores) X é possível determinar o comportamento do
mesmo ao longo do período desejado t. Logo, uma variação em Y estará directamente relacionada com
as variações obtidas ao longo das diversas variáveis X (Wooldridge, 2002 e 2012). A especificidade do
modelo de dados de painel baseia-se na sua capacidade de efectuar uma análise estatística recorrendo a
dados temporais, denominados na literatura como time-series, e seccionais, cross-section, utilizando um
só modelo econométrico (Wooldridge, 2002 e 2012).
Dentro das especificações que constituem o modelo de dados de painel é importante fazer referência aos
principais métodos de estimação que serão ao longo deste trabalho de investigação analisados,
nomeadamente, os efeitos fixos e os efeitos aleatórios (Marques, 2000):
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 256
• Efeitos fixos: É um método de estimação que tem como principal característica o facto de
eliminar todos os efeitos que não sofrem qualquer alteração ao longo do período temporal em
análise. A aplicação deste método de estimação assume a hipótese de homogeneidade das
observações. É importante ainda referir que este método de estimação promove uma melhor
qualidade de resultados, comparativamente ao seguinte método de estimação, quando é aplicado
a uma amostra relativamente extensa. Esta característica pode ser explicada devido ao facto de
que quanto maior a dimensão da amostra em estudo maior será o número de parâmetros que
necessitam de ser estimados, aumentando o grau de dificuldade e morosidade para a sua
concretização;
• Efeitos aleatórios: Ao contrário do que se verifica através do método de estimação anterior,
pressupõe-se o desconhecimento do comportamento de algumas variáveis ao longo do período
temporal em análise, assumindo-se dessa forma a heterogeneidade dos indivíduos. Ao contrário
do método de estimação anterior, este método tem a capacidade de obter resultados de qualidade
independentemente da dimensão da amostra em análise, representando também o modelo que
permite uma maior profundidade para obtenção e correspondente interpretação dos resultados
da estimação. A qualidade dos resultados obtidos deve-se ao facto deste modelo se caracterizar
pela hipótese de não existência de correlação entre os efeitos que são observados na amostra e
os não observados, sendo a principal diferença entre este método de estimação e o anterior.
A escolha de um dos dois métodos de estimação definidos anteriormente deverá ser feita de forma
cuidadosa e tendo em conta os pressupostos comportamentais observados, como por exemplo, se é
visível que a variação dos indivíduos ocorre devido a factores não aleatórios, significa que a escolha do
método de estimação deve recair sobre o método de efeitos fixos.
Uma elevada quantidade de autores e estudiosos não só das metodologias econométricas como também
do sector do transporte aéreo e do turismo afirmam que a qualidade das infra-estruturas aeroportuárias,
assim como a ligação entre as mesmas e os diversos meios de transporte existentes na cidade em causa,
representam um importante factor de atractividade por parte dos turistas e este mesmo factor foi
analisado através da abordagem metodológica apresentada (Khadaroo et al., 2007). Khadaroo utilizou
o modelo de dados de painel com o intuito de analisar a influência de um conjunto de variáveis para o
crescimento do tráfego aéreo e respectivo desenvolvimento da Mauritânia num período temporal entre
1978 e 2003. Uma das variáveis com elevada relevância para o estudo desenvolvido foi a qualidade da
infra-estrutura aeroportuária e rede de transportes de forma a verificar se a mesma constituía um factor
de atractividade para o fluxo de passageiros. De forma a evitar conclusões precipitadas e erradas, foram
construídos três modelos de dados de painel consoante a região do Mundo em que o fluxo de passageiros
era proveniente, isto é, um modelo para a Europa e América, um modelo para a Ásia e, por fim, um
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 257
modelo para a África. Para cada modelo foram aplicados os dois métodos de estimação, obtendo-se
resultados semelhantes para o método de estimação de efeitos fixos e aleatórios. Através dos resultados
obtidos foi possível concluir que o fluxo de passageiros proveniente dos continentes europeu e
americano representa o grupo de passageiros que procura uma qualidade de infra-estruturas e
consequente rede de transportes o mais semelhante possível ao que possui no seu local de origem, sendo
também o grupo que efectua a maior quantidade de trocas de capital na ilha. Assim sendo, e tendo em
conta o mercado promissor em que a ilha se encontra, é requerido um investimento para melhoramento
e desenvolvimento das infra-estruturas aeroportuárias e rede intermodal de forma a aumentar o grau de
atractividade com que os turistas analisam este destino (Khadaroo et al., 2007).
As conclusões obtidas no estudo anterior podem ser facilmente explicadas e extrapoladas para o caso
português onde ainda não existe uma intermodalidade de forma integral entre o transporte aéreo,
ferroviário e rodoviário, dificultando por vezes a deslocação dos turistas entre os diversos pontos
turísticos que pretendem visitar durante a sua estadia em Portugal.
A eficiência e acessibilidade das infra-estruturas aeroportuárias comprometem gravemente não só o
desenvolvimento do sector do transporte aéreo como também da economia do país em que se insere e
estas conclusões foram retiradas através de um estudo efectuado a treze países europeus, com acesso a
dados referentes ao período de 1991 a 2010. Por outro lado, é importante distinguir as metrópoles em
que se insere cada uma das infra-estruturas aeroportuárias em análise, tendo em conta a maior ou menor
afluência de passageiros de forma a verificar que as principais infra-estruturas aeroportuárias
internacionais de cada país são aquelas que promovem um maior efeito positivo para a economia
nacional, devido a todo o desenvolvimento regional existente ao seu redor (Mukkala et al., 2012).
Num contexto também referente à actividade das infra-estruturas aeroportuárias, o seu franco
crescimento nas últimas décadas, apesar de ter trazido melhorias significativas para todos os utilizadores
deste meio de transporte deu origem a problemas ambientais que, para serem combatidos, necessitam
de um elevado investimento não só financeiro como também social, por parte de todos os intervenientes
no processo (Grampella et al., 2013). O trabalho desenvolvido por Grampella baseou-se num conjunto
de dados de painel referentes ao período de 1999 a 2008 no contexto das infra-estruturas aeroportuárias
italianas com o intuito de analisar a produção de poluição gasosa e sonora nas regiões em que os mesmos
se encontram localizados. Através de um modelo econométrico de dados de painel por efeitos fixos foi
possível expressar uma relação directamente proporcional entre o aumento da poluição com o
crescimento do sector aeronáutico, seja em termos de aumento de tráfego como também
desenvolvimento das aeronaves, nomeadamente o aumento do seu peso e da sua capacidade de
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 258
transporte, não só em termos de passageiros e/ou carga como também de combustível (Grampella et al.,
2013).
Para além da utilização desta metodologia para a análise da qualidade das infra-estruturas aeroportuárias,
a mesma foi implementada num estudo desenvolvido por Whalen com o intuito de analisar e quantificar
a importância e correspondentes efeitos dos acordos de operação entre diversas companhias aéreas,
denominados por code-share. O principal objectivo levado a cabo por Whalen baseava-se na
determinação do efeito deste tipo de acordos para a variação do preço das passagens aéreas e da
capacidade de transporte de passageiros entre diversas localizações, baseando a sua análise
econométrica em dados referentes a um período de onze anos e limitado geograficamente aos Estados
Unidos da América (E.U.A) e ao território europeu (Whalen, 2005). Como resultado deste estudo foi
possível afirmar que a existência de acordos entre companhias aéreas, seja através de code-share ou
qualquer outro tipo de alianças, tem a tendência a baixar o preço das passagens aéreas, sendo um factor
benéfico para os seus clientes e, por outro lado, têm capacidade para transportar um maior volume de
passageiros (Whalen, 2005).
A franca expansão deste sector económico deve-se, em grande parte, ao aparecimento das LCC’s e, por
esse motivo, Wu desenvolveu um estudo baseado nos modelos de dados de painel e também modelos
gravitacionais com o intuito de verificar o efeito da variação e dispersão dos preços das passagens aéreas
nomeadamente no período decorrente do crescimento de duas companhias aéreas, Southwest Airlines e
JetBlue Airways, quando comparadas com o aparecimento de novas companhias aéreas, tendo baseado
a sua análise num conjunto de dados referentes ao período de 1993 a 2009 (Wu, 2012). Verificou-se que
as novas companhias aéreas agem de formas distintas tendo em conta o seu principal concorrente, isto
é, no caso da nova companhia aérea operar directamente como concorrente da Southwest Airlines, existe
uma tendência para que efectue um corte significativo no valor do preço das passagens aéreas de forma
a cativar o seu público-alvo, atitude que não se verifica no caso de operar em simultâneo com a JetBlue
Airways (Wu, 2012).
Por fim, e não menos importante, a metodologia econométrica aplicada neste trabalho de investigação
encontra-se também patente no estudo desenvolvido por Fourie e Santana-Gallego com o intuito de
analisar e verificar as condicionantes para o crescimento do turismo no continente africano, baseando-
se num conjunto de dados referentes ao período de 1995 a 2008 (Fourie e Santana-Gallego, 2011). Para
além da especificação óbvia da relação existente entre o sector do transporte aéreo e o turismo, o estudo
levou em linha de conta um vasto conjunto de países de origem dos turistas e resultou num conselho
primordial para o constante crescimento do turismo, isto é, o cuidado com a política governamental
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 259
exercida no continente com vista a promover o desenvolvimento turístico e económico do território em
análise (Fourie e Santana-Gallego, 2011).
1.2 Modelo gravitacional
Os modelos gravitacionais pretendem estudar e avaliar a dinâmica da variação do fluxo de passageiros
entre o aeroporto de origem e de destino, não esquecendo a relevância previamente assumida do hub
utilizado para a transferência de passageiros e/ou carga. Para este tipo de modelos as variáveis
independentes e a dependente encontram-se directamente relacionadas com a origem e o destino mas,
por outro lado, as mesmas encontram-se indirectamente relacionadas com a distância que separa estas
duas localizações. No entanto, vários autores apesar da designação de modelo gravitacional, não incluem
a variável distância no modelo, devido na maior parte dos casos pelo seu comportamento constante
(Santos Silva e Tenreyro, 2006).
A ideia que deu origem a este modelo surgiu no século XVII através do Princípio de Gravitação
Universal formulado por Isaac Newton, em que o mesmo assumia uma relação estabelecida entre dois
objectos que se atraíam entre si. Essa força de atracção dependia directamente da massa de ambos mas,
em contrapartida dependia de forma indirecta da distância que os separava. Por outro lado, a sua
aplicabilidade para as análises econométricas teve uma adaptação relativamente facilitada visto que, a
componente física relativa à massa anteriormente enunciada foi substituída pelo vector massa
económica, mantendo o restante da relação, sendo ainda importante referir que este tipo de modelos
promove resultados razoáveis e interessantes, tendo como base de apoio os desenvolvimentos teóricos
ocorridos ao longo das últimas décadas (Piane e Kume, 2000).
A distância que separa a origem do destino nem sempre obtém a atenção necessária mas através de
alguns estudos foi possível evidenciar o seu impacto e, nomeadamente, a influência de variáveis
socioeconómicas, como por exemplo, o tamanho das cidades e o seu desenvolvimento económico.
Para além da elevada importância da variável respeitante à distância, a inclusão ao longo do tempo, em
que se realizou o estudo, de variáveis dummy teve um impacto bastante relevante para o
desenvolvimento e melhoria dos modelos gravitacionais, devido à combinação deste modelo com o
LSDV. Esta alteração permitiu a análise de factores que até então não podiam ser quantificados,
nomeadamente aspectos culturais e geográficos, tal como será utilizado num dos modelos deste trabalho
de investigação. Por outro lado, a evolução constante destes modelos e a forte capacidade de descrever
a influência espacial entre o conjunto origem/destino motivou a sua utilização ao longo dos anos para
estudos em diversas áreas, nomeadamente no sector dos transportes rodoviários, dando origem a uma
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 260
importante ferramenta para planeamento e ajustamento de desenvolvimento de infra-estruturas
imprescindíveis (Sem e Smith, 1995).
Apesar de não existirem muitos estudos que contemplam a aplicação desta metodologia para o sector
do transporte aéreo e nomeadamente para a análise particular de rotas aéreas, Peace estudou a influência
de factores turísticos para a variação do fluxo de passageiros, nomeadamente a localização dos grandes
centros turísticos junto de infra-estruturas aeroportuárias internacionais (Peace, 2003). A mesma
conclusão obtida pelo autor anterior pode ser extrapolada para o caso dos passageiros que se deslocam
em trabalho com o intuito de promoverem negócios entre duas cidades e/ ou países distintos.
Adicionalmente, um dos estudos encontrados ao longo do processo de pesquisa evidencia a influência
da distância na variação do fluxo de passageiros, principalmente no que diz respeito ao facto de que
quanto maior for a distância, maior será o grau de competitividade no sector do transporte (Grosche et
al., 2007).
O sucesso e frequência da utilização deste tipo de modelos deve-se, principalmente, à simplicidade da
sua construção assim como à facilidade de interpretação dos resultados obtidos pelo mesmo (Bedo e
Dentinho, 2007). Apesar de todas características benéficas explicitadas anteriormente, até ao momento
a sua implementação através de dados de painel não tem sido conseguida devido à dificuldade para a
construção do modelo e também da recolha de dados viáveis para a obtenção favorável de resultados de
cada estimativa (Santos Silva e Tenreyro, 2006).
É importante salientar que apesar da dependência espacial que caracteriza qualquer modelo
gravitacional, nem sempre esse factor é tido em conta ao longo da sua análise, o que pode dar origem a
um vasto conjunto de problemas que nem sempre são de fácil percepção através do processo de
interpretação de resultados da estimativa, nomeadamente a autocorrelação espacial. Devido a este
mesmo factor, segundo o estudo efectuado por LeSage e Pace (2008), a metodologia em causa é capaz
de promover uma importante e útil explicação para a variação dos fluxos de transporte entre origem e
destino (LeSage e Pace, 2008).
1.3 Dados e modelagem
Apesar da análise em estudo pretender verificar e testar o fluxo anual de passageiros entre os dois pontos
apresentados anteriormente, isto é, o aeroporto internacional de Lisboa e o mercado de aviação chinesa,
entre o período de 2002 a 2009, surgiu a necessidade de implementar dois modelos distintos para a
concretização dos objectivos a que se propunha este trabalho de investigação, o primeiro mais clássico,
semelhante ao tradicional gravitacional e o segundo contemplando variáveis da indústria, sócio-
económicas e comportamentais, que serão mais à frente definidas.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 261
Para a construção dos dois modelos referidos anteriormente foram analisados dados respeitantes a voos
originários de três dos principais aeroportos brasileiros, como serão seguidamente apresentados através
dos respectivos códigos IATA, com destino à cidade de Hong Kong, na China, sendo que esses voos
funcionaram através da utilização dos hubs já existentes:
• GRU = Guarulhos Internacional;
• GIG = Galeão-António Carlos Jobim Internacional;
• POA = Salgado Filho Internacional.
Antes da apresentação dos dois modelos definidos para a realização deste estudo é importante salientar
a importância da quantidade e variedade de variáveis seleccionadas e consequentemente utilizadas para
a construção dos mesmos, visto que caso os modelos de regressão possuam uma quantidade elevada ou
reduzida de variáveis explicativas, esse facto poderá dar origem a um conjunto de conclusões incorrectas
devido ao sobre ou subajustamento do conjunto de observações efectuadas.
Para a correcta aplicação e estudo de cada uma das regressões lineares múltiplas é necessário, em
primeiro lugar, definir cada um dos modelos que se pretende estudar tendo em conta a relação existente
entre as diversas variáveis independentes e a variável dependente em análise, sendo que essas expressões
se encontram apresentadas seguidamente. A Equação 1 é respeitante ao primeiro modelo, designado
como modelo 1, enquanto a Equação 2 é respeitante ao segundo modelo em estudo, designado como o
modelo 2, respectivamente.
Modelo 1 � Passageiros = f (PIB, População, Tempo) (1)
Tendo em conta a informação apresentada nas subsecções anteriores deste trabalho de investigação e
com o intuito de complementar a apresentação do primeiro modelo, surge a necessidade de enumerar e
caracterizar as diversas variáveis recolhidas ao longo de todo o processo de investigação e
consequentemente analisadas para a construção e posterior implementação dos modelos, encontrando-
se todas as especificações para o primeiro modelo na Tabela 1.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 262
Tabela 1 – Apresentação e caracterização dos dados utilizados
Variável Coordenada Caracterização Fonte
PIB
X1
Variável independente
Representa a soma do valor acrescentado bruto por todos os produtores residentes na economia e expresso em dólares americanos ($).
World Bank
(www.worldbank.org)
População
X2
Variável independente
Número total de residentes, independentemente do seu estatuto legal e/ ou cidadania.
World Bank
(www.worldbank.org)
Tempo
X3
Variável independente
Representa a unidade temporal que reportam os dados em análise, o ano civil (indexação do ano civil às várias variáveis).
Elaboração Própria
Passageiros
Y
Variável dependente
Número de passageiros transportados anualmente em cada uma das rotas estudadas.
Sabre Airport Data Intelligence
(www.airdi.net)
A Equação 1 distingue-se da Equação 2 devido não só à quantidade como também à variedade das
variáveis independentes seleccionadas para a realização do estudo. A implementação de uma maior
quantidade de variáveis independentes tem como principal objectivo melhorar a capacidade de previsão
do modelo de regressão linear múltipla quando comparado a um modelo de regressão linear simples ou
um modelo de regressão linear múltipla com uma menor quantidade de variáveis (Wooldridge, 2012).
Modelo 2 � Passageiros = f (PIB, População, Preço da Passagem Aérea, Factor
de Negócio, Factor de Turismo, Tempo)
(2)
Tal como foi feito para o primeiro modelo, a apresentação da Tabela 2 tem como objectivo caracterizar
as variáveis respeitantes ao segundo modelo.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 263
Tabela 2 – Apresentação e caracterização dos dados utilizados
Variável Coordenada Caracterização Fonte
PIB
X1
Variável independente
Representa a soma do valor acrescentado bruto por todos os produtores residentes na economia e expresso em dólares americanos ($).
World Bank
(www.worldbank.org)
População
X2
Variável independente
Número total de residentes, independentemente do seu estatuto legal e/ ou cidadania.
World Bank
(www.worldbank.org)
Tempo
X3
Variável independente
Representa a unidade temporal que reportam os dados em análise, o ano civil (indexação do ano civil às várias variáveis em estudo).
Elaboração Própria
Preço da Passagem
Aérea
X4
Variável independente
Representa a média ponderada dos preços das passagens aéreas (considerando o volume de passageiros e a respectiva tarifa entre origem e destino O-D) sem a contabilização das taxas aeroportuárias e expressa em dólares americanos ($).
Sabre Airport Data Intelligence
(www.airdi.net)
Factor de Negócio
X5
Variável independente
Representa uma variável dummy, identificando com o algarismo (1) o destino que contiver um factor de atracção de negócio (classificação baseada em informações da Embaixada da República Popular da China, em Portugal), caso contrário identificará o mesmo com o algarismo (0).
Elaboração Própria
Factor de Turismo
X6
Variável independente
Representa uma variável dummy, identificando com o algarismo (1) o destino que contiver um factor de atracção de turismo (classificação baseada em informações da Embaixada da República Popular da China, em Portugal), caso contrário identificará o mesmo com o algarismo (0).
Elaboração Própria
Passageiros
Y
Variável dependente
Número de passageiros transportados anualmente em cada uma das rotas estudadas.
Sabre Airport Data Intelligence
(www.airdi.net)
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 264
As variáveis dummy, nomeadamente o Factor de Negócio e o Factor de Turismo, elaborados pelo autor
deste trabalho de investigação pretendem caracterizar como cada um dos destinos estudados no modelo
valoriza o aumento de passageiros, verificando-se, dessa forma, se um determinado local possui um
interesse negocial e/ ou turístico para os diversos passageiros que usufruem de cada uma das rotas em
análise.
Depois de expressas as relações entre as variáveis independentes e a corresponde variável independente,
assim como a apresentação e caracterização de todas as variáveis utilizadas, é necessário definir o
modelo de regressão linear múltipla através das seguintes equações. A Equação 3 é respeitante ao
primeiro modelo enquanto a Equação 4 é respeitante ao segundo modelo em estudo.
Modelo 1 � ln Yij t = c+β1 ln X1 ij t+β2 ln X2 ij t+β3 ln X3 ij t+εij t
t = período de tempo em análise = [1;8]
ij = foram realizadas 8 observações para cada uma das 25 rotas = [1;25]
εij t = αij+uij t
(3)
A Equação 4 é bastante semelhante à Equação 3, diferindo apenas na quantidade de variáveis
independentes seleccionadas ao longo do trabalho de investigação.
Modelo 2 � ln Yij t = c+β1 ln X1 ij t+β2 ln X2 ij t+β3 ln X3 ij t+β4 ln X4 ij t+β5 ln X5 ij t
+β6 ln X6 ij t+εij t
t = período de tempo em análise = [1;8]
ij = foram realizadas 8 observações para cada uma das 25 rotas = [1;25]
εij t = αij+uij t
(4)
Através da Equação 3 e da Equação 4 é necessário efectuar as seguintes ressalvas para uma melhor
compreensão de todos os membros que a constituem, nomeadamente:
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 265
• αij representa factores específicos e também aqueles de difícil observação em cada uma das rotas
estudadas;
• uij t representa os erros que podem, de alguma forma, influenciar de forma directa e/ ou indirecta
os resultados obtidos através do modelo definido anteriormente;
• A soma dos dois parâmetros apresentados anteriormente representam a variabilidade a que a
variável dependente está sujeita e que não pode ser explicada através das diversas variáveis
independentes escolhidas para a definição do modelo. Como tal, quanto menor for este valor
melhor será o modelo, visto que consegue representar de forma fidedigna o comportamento do
fluxo de passageiros.
2. Análise de dados e discussão
Recorrendo às Equações 3 e 4 pretende-se modelar um conjunto de dados apresentados nas Tabelas 1 e
2, e encontrar o modelo que melhor traduz essa modelação, através dos métodos de estimação por pooled
Ordinary Least Squares (OLS), por efeitos fixos e por efeitos aleatórios (Schmidheiny, 2012).
Esta secção é de grande importância, visto que representa o culminar de todo o processo de investigação
realizado, contendo a análise de cada um dos dois modelos de regressão linear múltipla apresentados
anteriormente, contendo a apresentação dos resultados obtidos e a consequente comparação dos
mesmos, mediante os diversos métodos de estimação:
2.1 Resultados do primeiro modelo
Antes da apresentação das tabelas correspondentes aos resultados obtidos através da utilização do
primeiro modelo para o estudo da variação do fluxo de passageiros, é necessário definir os seus modelos
matemáticos recorrendo a um modelo de regressão linear múltipla contendo dados de painel. A definição
do Modelo 1 encontra-se representada através da Equação 5 e dos resultados obtidos através do mesmo,
tendo em conta os métodos de estimação referidos anteriormente, encontram-se expressos na Tabela 3.
ln Passageirosij t = c + β1 ln PIBij t + β2 ln Populaçãoij t + β3 ln Tempoij t + αij+uij t (5)
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 266
Tabela 3 – Resultados obtidos através do Modelo 1
Pooled OLS Efeitos Aleatórios Efeitos Fixos
Variáveis Independentes
Coeficiente, erro-padrão, estatísticas de teste, R2 , níveis de significância estatística (* = 1%, ** = 5%, *** = 10%)
Constante
(Erro-Padrão com Heterocedasticidade
corrigida)
1891,859 176,4536 49,9977
464,5447 251,9574 233,4162
PIB
(Erro-Padrão com Heterocedasticidade
corrigida)
0,1713532 */**/** 0,0429625 **/ *** 0,0364289 **/ ***
0,0332483 0,0185668 0,0171909
População
(Erro-Padrão com Heterocedasticidade
corrigida)
0,1951739 */**/** 0,0702127 **/ *** 2,175919 */**/***
0,033737 0,0245342 0,347676
Tempo
(Erro-Padrão com Heterocedasticidade
corrigida)
(0,9721759) */**/** (0,0903849) 0,3225383 **/***
0,2380408 0,129344 0,1351754
R2 0,2190 0,1578 0,0798
Estimação do rho --- 0,91513688 0,99989453
F(3,196)=18,32
pvalue(Prob>F=0,00)
Wald Chi2(3)=90,54
pvalue(Prob>Chi2=0,00)
F(3,172)=47,05
pvalue(Prob>F=0,00)
De acordo com a Tabela 3 é possível concluir que o Modelo 1 no método de estimação por pooled OLS
produz os melhores resultados, tendo em conta os seguintes dados e ressalvas importantes para uma
adequada interpretação dos resultados obtidos:
• Com a variação percentual de cada uma das variáveis explicativas, mantendo todas as outras
constantes, a variável dependente, isto é, o número de passageiros, possui a seguinte variação:
aumento de 17,1% devido ao aumento da variável correspondente ao PIB; acréscimo de 19,5%
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 267
devido ao aumento da variável correspondente à População; e, decréscimo de 97,2% devido ao
aumento da variável correspondente ao Tempo;
• É possível então afirmar que apenas a variável correspondente ao PIB e População possuem a
capacidade de promover um efeito positivo para a variação do número de passageiros, sendo
que a restante tem uma relação contrária;
• É importante analisar e interpretar se os coeficientes da regressão são, na realidade,
significativos ou não para o modelo em estudo, sabendo que quanto menor o seu nível de
significância, maior será a sua probabilidade de impacto na variação da variável dependente e
também confiança nos resultados obtidos. Relativamente aos três níveis de significância
analisados, 1%, 5% e 10% (Tabela 3), podemos concluir que o método de estivação por pooled
OLS apresenta melhores resultados comparando com os métodos de estimação por efeitos fixos
e por efeitos aleatórios.
• A heterocedasticidade é um fenómeno observado em cada modelo quando as variâncias obtidas
para todas as variáveis, seja dependente e/ ou independentes, são distintas entre si, verificando-
se dessa forma uma dispersão dos dados em torno da recta de regressão. Para cada método de
estimação foi implementada uma medida correctiva com o objectivo de ser obtido o erro-padrão
com heterocedasticidade corrigida de acordo com o teste White para cada uma das variáveis em
análise nos modelos;
• O parâmetro representado por R2 é denominado por coeficiente de determinação e tem como
objectivo demonstrar o valor percentual da variação da variável dependente que pode ser
explicada a partir do valor das variáveis independentes e, como tal, varia entre 0 e 1. O restante
valor dessa percentagem para a totalidade corresponde, em contrapartida, ao valor percentual
explicado por outros parâmetros que não foram considerados no modelo. Através do valor
obtido é possível afirmar que as variáveis independentes que constituem este modelo têm a
capacidade de explicar 21,90% da variação do número de passageiros;
• Através do teste da estatística F-Snedcor é possível verificar a existência de uma relação entre
a variável dependente e as diversas variáveis independentes, verificando-se que quando unidas,
as variáveis independentes têm um peso de 18,32 a um nível de significância de 1%.
2.2 Resultados do segundo modelo
Antes da apresentação das tabelas correspondentes aos resultados obtidos através da utilização do
primeiro modelo para o estudo da variação do fluxo de passageiros, é necessário relembrar os seus
modelos matemáticos recorrendo a um modelo de regressão linear múltipla contendo dados de painel.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 268
A definição do Modelo 2 encontra-se representada através da Equação 7 e dos resultados obtidos através
do mesmo, tendo em conta os métodos de estimação referidos anteriormente, encontram-se expressos
na Tabela 4.
ln Passageirosij t = c + β1 ln PIBij t + β2 ln Populaçãoij t + β3 ln Preço da Passagem
Aéreaij t + β4 ln Factor de Negócioij t + β5 ln Factor de Turismoij t + β6 ln Tempoij t
+ αij+uij t
(7)
De acordo com a Tabela 4 é possível concluir que o Modelo 2 no método de estimação por pooled OLS
produz os melhores resultados, tendo em conta os seguintes dados e ressalvas importantes para uma
adequada interpretação dos resultados obtidos:
• Com a variação percentual de cada uma das variáveis explicativas, mantendo todas as outras
constantes, a variável dependente, isto é, o número de passageiros, possui a seguinte variação:
aumento de 15,4% devido ao aumento da variável correspondente ao PIB; acréscimo de 16,4%
devido ao aumento da variável correspondente à População; decréscimo de 53,9% devido ao
aumento da variável correspondente ao Preço da Passagem Aérea; aumento de 243,9% devido
ao aumento da variável correspondente ao Factor de Negócio; aumento de 163,3% devido ao
aumento da variável correspondente ao Factor de Turismo; e, decréscimo de 84,1% devido ao
aumento da variável correspondente ao Tempo.
• É possível então afirmar que as variáveis correspondentes ao PIB, População, Factor de Negócio
e Factor de Turismo possuem a capacidade de promover um efeito positivo para a variação do
número de passageiros, resultados em linha com as principais correntes da literatura face ao
tema, abordadas na primeira secção do presente artigo, sendo que as restantes têm uma relação
contrária.
• É importante analisar e interpretar se os coeficientes da regressão são, na realidade,
significativos ou não para o modelo em estudo, sabendo que quanto menor o seu nível de
significância, maior será a sua probabilidade de impacto na variação da variável dependente e
também confiança nos resultados obtidos. Para o efeito, analisou-se os dados para os três níveis
de significância, 1%, 5% e 10% (Tabela 4).
• Através do valor obtido para o coeficiente de determinação é possível afirmar que as variáveis
independentes que constituem este modelo têm a capacidade de explicar 28,10% da variação do
número de passageiros;
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 269
Tabela 4 – Resultados obtidos através do Modelo 2
Pooled OLS Efeitos Aleatórios Efeitos Fixos
Variáveis Independentes
Coeficiente, erro-padrão, estatísticas de teste, R2 , níveis de significância estatística (* = 1%, ** = 5%, *** = 10%)
Constante
(Erro-Padrão com Heterocedasticidade
corrigida)
1632,484 160,1387 (427,6384)
455,429 252,6535 41,8624
PIB
(Erro-Padrão com Heterocedasticidade
corrigida)
0,1543249 */**/*** 0,0414561 **/*** 0,112275 ***
0,0325403 0,0186468 0,0136945
População
(Erro-Padrão com Heterocedasticidade
corrigida)
0,1638533 */**/*** 0,0552316 *** 2,175375 */**/***
0,0339857 0,0288715 0,3506875
Preço da Passagem Aérea
(Erro-Padrão com Heterocedasticidade
corrigida)
(0,5387464) 0,1033738 0,176742
0,3680573 0,1468285 0,1354267
Factor de Negócio
(Erro-Padrão com Heterocedasticidade
corrigida)
2,439658 */**/*** 2,11874 1,98403 ***
0,6158292 1,894282 1,746830
Factor de Turismo
(Erro-Padrão com Heterocedasticidade
corrigida)
1,632859 **/*** 1,373683 1,280473
0,5745739 1,782271 1,673042
Tempo
(Erro-Padrão com Heterocedasticidade
corrigida)
(0,8411784) */**/*** (0,0855822) 0,5733653 */**/***
0,2333016 0,1296228 0,0643459
R2 0,2810 0,2196 0,0793
Estimação do rho --- 0,91760287 0,99989644
F(6,193)=12,57
pvalue(Prob>F=0,00)
Wald Chi2(6)=92,07
pvalue(Prob>Chi2=0,00)
F(3,172)=45,40
pvalue(Prob>F=0,00)
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 270
Através do teste da estatística F-Snedcor é possível verificar a existência de uma relação entre a variável
dependente e as diversas variáveis independentes, verificando-se que quando unidas, as variáveis
independentes têm um peso de 12,57 a um nível de significância de 1%.
2.3 Comparação entre os métodos de estimação dos dois modelos
Apesar de todas as diferenças e, em alguns casos, semelhanças entre os dois modelos analisados neste
trabalho de investigação, tendo em conta os respectivos métodos de estimação, é importante referir,
primeiramente, que a escolha do melhor modelo de estimação deve contemplar os objectivos do estudo
em que se inserem os modelos em comparação, o tipo de variáveis que os constituem e toda a envolvente
em que se inserem.
Por outro lado, e de forma sucinta, é possível afirmar que o segundo modelo é aquele que promove uma
melhor e adequada explicação quanto à variação do número de passageiros. Apesar desta conclusão é
importante referir que o primeiro modelo, apesar da sua simplicidade, das suas características próprias
e das suas limitações quando comparado com o segundo modelo, promove resultados positivos como
era esperado antes da realização deste estudo, visto que as diferenças não se encontram presentes na
tendência da influência (positiva ou negativa) mas sim no peso dessa mesma influência, isto é, os valores
dos coeficientes da regressão.
A conclusão expressa anteriormente baseou-se numa análise detalhada e consistente ao longo de todos
os parâmetros obtidos através deste mesmo estudo, visto que a escolha do modelo e consequente método
de estimação não se deve basear única e exclusivamente em um dos parâmetros, como por exemplo, o
facto de determinado método de estimação do modelo de regressão possuir um elevado carácter
significativo não implica, necessariamente, que o mesmo represente o método de estimação mais
adequado para o problema em análise. Este conselho é de extrema importância e utilidade para que não
sejam obtidas conclusões precipitadas e, muitas vezes, incorrectas.
De entre as diversas variáveis independentes que constituem o modelo é importante salientar o efeito
benéfico dos dois factores elaborados pelo autor, nomeadamente o Factor de Negócio e o Factor de
Turismo (variáveis dummy comportamentais do motivo da viagem/atracção do destino para o mercado
Chinês), assim como do PIB, da População, promovendo as mesmas, um contributo bastante positivo
para o crescimento do número de passageiros, independentemente do método de estimação em análise.
Por outro lado, através da análise do parâmetro R2 verifica-se que aproximadamente 29% da variação
do número de passageiros é explicada através das sete variáveis independentes. Uma conclusão
semelhante é obtida através da análise do parâmetro R, que corresponde ao coeficiente de Pearson e tem
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 271
o valor de aproximadamente 0,53, sendo que através do mesmo se verifica uma intensidade significativa
da relação linear existente entre as diversas variáveis e, como tal, quando ocorre uma variação positiva
das mesmas, tendencialmente o número de passageiros também irá sofrer um crescimento.
Através da bibliografia consultada é importante referir as conclusões obtidas por estudos realizados no
âmbito em que se insere este trabalho de investigação, apesar da inexistência de uma vasta variedade de
bibliografia mundial, o que indica que a metodologia utilizada não se encontra aplicada nos estudos
como seria desejável, mesmo depois de comprovada a sua simplicidade e benefícios promovidos.
No caso de Costa et al. (2008), os autores debruçaram os seus esforços na análise da implicação do tipo
de infra-estrutura aeroportuária para a influência do fluxo de passageiros, obtendo-se dessa forma
modelos de regressão adequados a vários tipos de infra-estruturas aeroportuárias, nomeadamente as que
se encontram localizadas em cidades do litoral do Brasil, assim como para cidades potencialmente
imprescindíveis para a realização de negócios (Costa et al., 2008).
Por outro lado, e mais recentemente, Condé (2011) desenvolveu um estudo que permitiu analisar a
viabilidade da potencialidade de crescimento dos aeroportos do Rio de Janeiro, construindo para isso
modelos de regressão linear, efectuando uma previsão quanto ao fluxo de passageiros (Condé, 2011).
Apesar de se ter concluído no presente trabalho de investigação a influência do PIB para a variação
positiva do fluxo de passageiros, Rocha (2011) conclui que esta relação não era tão intensa quando se
tinham em conta infra-estruturas aeroportuárias localizadas em regiões com menor grau de
desenvolvimento socioeconómico, particularidade que não se encontra patente no caso das infra-
estruturas aeroportuárias analisadas para a criação dos dois modelos (Rocha, 2011). De acordo com este
mesmo estudo é possível concluir a importância da realização de investimentos apropriados nestas infra-
estruturas de modo a impulsionar o seu crescimento e potencialidade para novas rotas.
3. Nível de circuito e a potencialidade da exploração do mercado Chinês
A partir dos resultados expostos anteriormente para cada um dos modelos e tendo em conta que se trata
de rotas originárias de três dos principais aeroportos brasileiros com destino a aeroportos asiáticos, é
possível confirmar a elevada influência da actividade do sector do transporte aéreo no que diz respeito
ao fluxo elevado de passageiros. Essa influência poderia facilmente beneficiar o número de passageiros
em movimento no aeroporto internacional de Lisboa tendo em conta, por exemplo, a existência de rotas
originárias através do mesmo e com destino a cidades chinesas, tal como se pode ver através da seguinte
tabela (Tabela 5).
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 272
Tabela 5 – Número de passageiros transportados entre Lisboa e China no ano de 20101
Aeroporto de Partida (Código IATA)
Aeroporto de Chegada (Código IATA)
Número de Passageiros Transportados
Lisboa (LIS) Shangai (PVG) 21899
Lisboa (LIS) Hong Kong (HKG) 20575
Lisboa (LIS) Pequim (PEK) 11582
A Tabela 5 pretende, de forma simplificada, sugerir as oportunidades de transferência de tráfego,
nomeadamente através da exploração de uma rota entre Lisboa e Hong-Kong, seja através de voos
directos ou então ao abrigo de voos realizados em code-share, fazendo com que, por exemplo, duas
companhias de transporte aéreo unam esforços para a realização deste tipo de voos, tal como já se
verifica na actualidade entre a TAP Portugal e a Air China.
Por outro lado, através da análise dos dados que constituem os dois modelos em estudo, e consequente
análise na Tabela 5, é possível elaborar o estudo de um parâmetro ainda pouco referenciado ao longo da
literatura desta temática, isto é, o nível de circuito, sendo que este parâmetro se obtém através do cálculo
expresso na seguinte equação (Equação 8).
Nível de Circuito = [(Distância da Origem-Hub+Distância Hub-
Destino)/Distância Origem-Destino]
(8)
Apesar deste parâmetro não se encontrar aplicado a um vasto conjunto de estudos no âmbito do sector
aeronáutico, Borenstein desenvolveu uma análise de forma a determinar a importância da rota e infra-
estruturas aeroportuárias para a determinação da influência e poder que cada companhia aérea exerce
no mercado em que se insere (Borenstein, 1989). Através do estudo realizado foi possível verificar que
a escolha das rotas e aeroportos definidos para criação de hubs tinham uma grande influência para a
variação dos custos suportados pelas companhias aéreas (Borenstein, 1989). Concluiu-se, dessa forma,
que o preço para a operação em determinada rota tem um crescimento directamente relacionado com o
volume de tráfego que opera na mesma mas que, em contrapartida, este fenómeno não poderia ser
claramente evidenciado e explicado através das metodologias utilizadas até então, verificando-se a
importância do parâmetro que diz respeito ao nível de circuito (Borenstein, 1989).
1 Fonte: Sabre Airport Data Intelligence (www.airdi.net).
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 273
Tabela 6 – Exemplificação de 33 rotas e o correspondente nível de circuito2
Rota (Códigos IATA)
Número da Rota
Distância da Origem ao Hub
(Km)
Distância do Hub ao Destino
(Km)
Distância da Origem ao Destino
(Km)
Nível de Circuito
Número de Passageiros
GRU-DOH-HKG 1 11881 6328 18064 1,008 701
GIG-DOH-HKG 2 11533 6328 17718 1,008 23
POA-DOH-HKG 3 12549 6328 18341 1,029 24
GRU-DXB-HKG 4 12241 5957 18064 1,007 1513
GIG-DXB-HKG 5 11892 5957 17718 1,007 36
POA-DXB-HKG 6 12896 5957 18341 1,028 112
GRU-JFK-HKG 7 7672 12977 18064 1,143 240
GIG-JFK-HKG 8 7738 12977 17718 1,169 333
POA-JFK-HKG 9 8206 12977 18341 1,155 4
GRU-MIA-HKG 10 6578 14454 18064 1,164 19
GIG-MIA-HKG 11 6724 14454 17718 1,195 6
POA-MIA-HKG 12 6949 14454 18341 1,167 13
GRU-LAX-HKG 13 9919 11654 18064 1,194 170
GIG-LAX-HKG 14 10148 11654 17718 1,231 1
POA-LAX-HKG 15 10027 11654 18341 1,182 1
GRU-LIS-HKG 16 7955 11031 18064 1,051 6
GIG-LIS-HKG 17 7722 11031 17718 1,058 17
POA-LIS-HKG 18 8816 11031 18341 1,082 1
GRU-FRA-HKG 19 9821 9178 18064 1,052 1175
GIG-FRA-HKG 20 9578 9178 17718 1,059 65
POA-FRA-HKG 21 10681 9178 18341 1,083 197
GRU-MAD-HKG 22 8399 10536 18064 1,048 91
GIG-MAD-HKG 23 8154 10536 17718 1,055 9
POA-MAD-HKG 24 9258 10536 18341 1,079 7
GRU-CDG-HKG 25 9427 9615 18064 1,054 1706
GIG-CDG-HKG 26 9194 9615 17718 1,062 927
POA-CDG-HKG 27 10288 9615 18341 1,085 98
GRU-LHR-HKG 28 9482 9654 18064 1,059 330
GIG-LHR-HKG 29 9263 9654 17718 1,068 189
POA-LHR-HKG 30 10341 9654 18341 1,090 20
GRU-AMS-HKG 31 9799 9297 18064 1,057 414
GIG-AMS-HKG 32 9570 9297 17718 1,065 7
POA-AMS-HKG 33 10658 9297 18341 1,088 34
TOTAL 8489
2 Fonte: Sabre Airport Data Intelligence (www.airdi.net) e Airport Codes Database and Airports Distance Calculator (www.airportcitycodes.com/).
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 274
Com um intuito meramente exemplificativo, a tabela seguinte (Tabela 6) contém a descrição de 33 rotas
dando origem à Figura 1 que contém a apresentação da importância do nível de circuito nas
correspondentes rotas. As rotas referidas anteriormente têm como intuito fazer uma ligação entre três
das principais infra-estruturas aeroportuárias brasileiras e a cidade de Hong Kong, testando para isso 11
ligações distintas, tendo como objectivo verificar a potencialidade de uma rota entre estes dois mercados,
via Lisboa, e que não existe na actualidade.
A partir da tabela anterior é possível verificar distintos valores para o parâmetro denominado por nível
de circuito e, como tal, é necessário efectuar algumas ressalvas quanto ao seu significado e importância,
para além da sua metodologia de cálculo que já foi anteriormente expressa. Acima de tudo, o mesmo
permite efectuar uma avaliação quanto à qualidade geográfica da infra-estrutura aeroportuária que serve
de hub para cada uma das rotas. Caso o valor seja reduzido e, principalmente próximo do valor unitário,
é possível afirmar que o desvio efectuado por um determinado passageiro entre um par de cidades é
minimizado e que a respectiva companhia aérea em que viaja tem a capacidade de promover uma
vantagem relativamente ao tempo necessário para efectuar a deslocação. Mas é importante referir que
este parâmetro sofre uma grande influência dos tempos necessários para a realização da transferência de
passageiros e/ou bagagens nos respectivos hubs (Grimme, 2011).
A potencialidade referida anteriormente é facilmente perceptível através da Tabela 6 e tendo em conta
que não só o tempo de transferência como também a frequência de voos constituem um factor bastante
significativo para a escolha das companhias por parte dos passageiros, sabendo-se dessa forma que as
companhias da Star Alliance possuem uma maior frequência de voos para a região asiática e, dessa
forma, aumentando a flexibilidade para determinados tipos de passageiros, nomeadamente aqueles que
efectuam as suas deslocações em trabalho.
A figura seguinte (Figura 1) tem como intenção exemplificar através de uma evolução gráfica do nível
de circuito promovido por determinadas rotas e, através do mesmo, é possível verificar que as rotas
identificadas pelos algarismos 1, 2, 4 e 5 são as mais benéficas para o parâmetro em análise,
correspondendo, respectivamente, ao hub de Doha, no Qatar, e ao hub do Dubai, nos Emirados Árabes
Unidos, sendo importante referir a proximidade geográfica que os mesmos têm ao aeroporto
internacional de Lisboa.
Apesar das rotas exemplificativas que passam pelo aeroporto internacional de Lisboa na Figura 1 não
possuírem valores tão favoráveis, é importante verificar a proximidade que as mesmas possuem do valor
unitário e das potencialidades existentes neste aeroporto que não se encontram presentes nos aeroportos
citados anteriormente, nomeadamente, o montante das tarifas e até mesmo os tempos de rotação
exercidos nos mesmos. Através da análise do nível de circuito aplicado para explorar a potencialidade
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 275
do mercado Chinês, em termos de análise de parâmetro estratégico da Star Alliance, aliança de
companhias aéreas em que a companhia aérea portuguesa TAP Portugal possue uma posição estratégica
no mercado do Brasil e tendo o seu principal hub no aeroporto internacional de Lisboa, perante os
resultados obtidos, considera-se uma sugestão pertinente e viável a exploração das rotas acima indicadas
para o mercado Chinês, via Lisboa.
Figura 1 – Nível de circuito por rota via hub
Conclusão
Tendo como ponto de partida a necessidade de analisar e confirmar a potencialidade do mercado da
aviação chinesa para o desenvolvimento e crescimento do aeroporto internacional de Lisboa, procedeu-
se a uma análise desta problemática recorrendo a dois modelos de regressão linear múltipla, também
designados por modelos gravitacionais com dados de painel, sendo cada um deles caracterizado de
forma particular e objectiva.
Através da construção dos dois modelos, pretendeu-se traduzir a variação do fluxo de passageiros como
uma função dependente de vários conjuntos pré-estabelecidos de variáveis que, de forma mais ou menos
directa, pretendiam explicar como a sua variação afectava o número de passageiros transportados através
do sector do transporte aéreo nas diversas rotas seleccionadas.
Os resultados obtidos evidenciaram claramente o potencial desse mercado para o aeroporto internacional
de Lisboa, nomeadamente através do segundo modelo (modelo 2) de regressão linear múltipla, sendo
aquele que, para além de uma maior quantidade de variáveis que compõem o modelo, possuem ainda as
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 276
variáveis dummy como pretexto para explicação da influência do interesse negocial e turístico de cada
uma das rotas para os passageiros que usufruem das mesmas.
Por outro lado, através da metodologia em análise, foi possível elaborar um conjunto de referências que
justifiquem o desenvolvimento de rotas que utilizem como aeroporto de origem e/ ou aeroporto de hub
o aeroporto internacional de Lisboa, tendo em conta o estudo secundário efectuado sobre o nível de
circuito, uma temática ainda pouco desenvolvida mas com um potencial imensurável.
É importante não esquecer que apesar do aeroporto internacional de Lisboa não pertencer ao conjunto
de aeroportos mundiais com um maior volume de tráfego anualmente, o mesmo representa as portas de
entrada para a Europa por via aérea do continente americano e africano, sendo precisamente estes dois
continentes aqueles que se encontram, actualmente, numa fase de crescimento e com um maior interesse
em se deslocarem para o mercado chinês.
Para além da sua localização privilegiada é importante não esquecer o forte empenho governamental
para o desenvolvimento turístico da principal metrópole portuguesa assim como a crescente importância
da mesma para o Mundo dos negócios, correlacionando-se com as conclusões obtidas no modelo no que
diz respeito às variáveis dummy.
Referências
Bedo, D. e Dentinho, T. (2007) Avaliação dos destinos turísticos das ilhas dos Açores com base em modelos gravitacionais. Revista Portuguesa de Estudos Regionais, n. 14, pp. 35-52.
Borenstein, S. (1989) Hubs and high fares: dominance and market power in the U.S. airline industry. The RAND Journal of Economics, vol. 20, n. 3, pp. 344-365.
Condé, M. (2011) Estudo e previsão da demanda aeroportuária para a cidade do Rio de Janeiro. Journal of Transport Literature, vol. 5, n. 1, pp. 161-183.
Costa, J., Santos, L. e Yamashita, Y. (2008) Vocação turística das cidades brasileiras: análise de modelos de previsão de demanda do transporte aéreo. Simpósio de Transporte Aéreo – SITRAER, vol. 5, n. 1, pp. 209-219.
De La Mata, T., Lesage, J. e Llano, C. (2009) Social networks and trade of services: modeling interregional tourism flows with spatial and network autocorrelation effects. World Conference of Spatial Econometrics. 3. Barcelona papers. Barcelona: AQRIREA.
Forsyth, P. (2005) Tourism benefits and aviation policy. Martin kunz memorial lecture. Hamburg Aviation Conference, 16-18 Fevereiro 2005, pp. 1-20.
Fourie, J. e Santana-Gallego, M. (2011) The determinants of African tourism. Economic Research Southern Africa, n. 260, pp. 1-19.
Grampella, M., Martini, G., Scotti, D., Tassan, F. e Zambon, G. (2013) The environmental costs of airports’ aviation activities: a panel data econometric analysis of Italian airports. Air Transport Research Society. Bergamo, Italy, 26-29 Junho 2013, pp. 1-31.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 277
Grimme, W. (2011) The growth of Arabian airlines from a german perspective – a study of the impacts of new air services to Asia. Journal of Air Transport Management, vol. 17, n. 6, pp. 333-338.
Grosche, T., Rothlauf, F. e Heinzl, A. (2007) Gravity models for airline passenger volume estimation. Jounal of Air Transport Management, vol. 13, n. 4, pp. 175-183.
Khadaroo, J. e Seetatanah, B. (2007) Transport infrastructure and tourism development. Annals of Tourism Research, vol. 34, n. 4, pp. 1021-1032.
Lesage, J. e Pace, R (2008) Spatial econometric modeling of origin-destination flows. Journal of Regional Science, vol. 48, n. 5, pp. 941-967.
Mukkala, K. e Tervo, H. (2012) Regional airports and regional growth in europe: which way does the causality run? RSA European Conference. Delf, Netherlands, 13-16 Maio 2012, pp. 1-19.
Pearce, D. (2003) Geografia do turismo: fluxos e regiões no mercado de viagens. São Paulo: Aleph.
Piane, G. e Kume, H. (2000) Fluxos bilaterais de comércio e blocos regionais: Uma aplicação do modelo gravitacional. Rio de Janeiro: Ipea.
Rocha, C. (2011) Ensaios sobre a demanda do transporte aéreo regional. Journal of Transport Literature, vol. 4, n. 1, pp.114-133.
Santos Silva, J. e Tenreyro, S. (2006) The log of gravity. The review of economics and statistics. vol. 88, n. 4.
Schmidheiny, K. (2012) Panel data: fixed and random effects. Shot guides to microeconometrics. Unversität Basel.
Sem, A. e Smith, T. (1995) Gravity models of spatial interaction behaviour. Berlim: Springer.
Washington, S., Karlaftis, M. e Mannering, F. (2003) Statistical and econometric methods for transportation data analysis. Florida: CRC Press LLC.
Whalen, T. (2005) A panel data analysis of code sharing, antitrust immunity and open skies treaties in international aviation markets. Review of industrial organization, vol. 30, n. 1, pp. 39-61.
Wooldridge, J. (2002) Econometric analysis of cross section and panel data. Massachusetts: MIT Press.
Wooldridge, J. (2005) Introductory econometrics: a modern approach. 3rd Edition. South-Wester: Cengage Learning.
Wu, S. (2012) The "Southwest effect" revisited: an empirical analysis of the effects of Southwest Airlines and JetBlue Airways on incumbent airlines from 1993 to 2009. The Michigan Journal of Business, vol. 5, n. 2, pp. 11-42.
José Manuel Vicente*, Andreia Dionísio, Manuela Oliveira, Cátia Simão pp. 252-278
JTL-RELIT | Journal of Transport Literature, Manaus, vol. 8, n. 4, Oct. (2014) 278